مقدمة إلى OpenShift AI لعلوم البيانات و MLOps

تتبنى المؤسسات الذكاء الاصطناعي بسرعة، ولكن نقل نماذج التعلم الآلي من التطوير إلى الإنتاج يتطلب منصة منظمة وقابلة للتوسع. يوفر OpenShift AI الأدوات الأساسية لبناء النماذج وتدريبها ونشرها ومراقبتها بكفاءة وعلى نطاق واسع. في هذا المقرر الدراسي القائم على النصوص، ستنتقل من فهم المفاهيم الأساسية لعلوم البيانات إلى إدارة سير عمل MLOps للفيزيائية الكاملة لدورة الحياة. ستكتسب المهارات اللازمة للتنقل في Jupyter notebooks، وتكوين أنابيب علوم البيانات، وتقديم النماذج للتطبيقات الحقيقية. ما ستتعلمه: 1. فهم البنية الأساسية لـ OpenShift AI ودوره في MLOps الحديث. 2. إطلاق وتكوين بيئات Jupyter notebook لعلوم البيانات التعاونية. 3. بناء وأتمتة أنابيب علوم البيانات لتبسيط تدريب النماذج والتحقق من صحتها. 4. نشر نماذج التعلم الآلي المدربة كـ APIs قابلة للتوسع للتكامل مع التطبيقات. 5. تطبيق أفضل ممارسات MLOps الحديثة، بما في ذلك مراقبة النماذج والتحكم في الإصدارات. 6. دمج قواعد بيانات المتجهات (vector databases) والنماذج التأسيسية لدعم سير عمل التوليد المعزز بالاسترجاع (RAG). يبدأ المقرر بالمفاهيم الأساسية لعلوم البيانات السحابية الأصلية (cloud-native) قبل إرشادك من خلال أدلة نصية عملية لإعداد مساحة العمل، وإنشائها للأنابيب، ونشر النماذج. ستتعلم من خلال شروحات واضحة وأمثلة تكوين منظمة مصممة للتطبيق الفوري. تم تصميم هذا المقرر الدراسي لعلماء البيانات الطموحين، ومهندسي DevOps، ومحترفي تكنولوجيا المعلومات الجدد على OpenShift AI، دون الحاجة إلى خبرة سابقة في تنسيق الحاويات (container orchestration). ابدأ التعلم اليوم واكتشف قوة عمليات التعلم الآلي السحابية الأصلية.